Klinische Entscheidungsunterstützung mit maschinellem Lernen zur Verbesserung der Patientensicherheit

Diese Arbeit untersucht KI-gestützte Ansätze zur Verbesserung klinischer Entscheidungsunterstützung. Der erste Beitrag ist ein datengetriebenes Trigger-Tool zur Vorhersage Adverser Events in der mittleren Versorgung. Es nutzt Labor- und demographische Daten und erreicht hohe Genauigkeit bei der Vorhersage relevanter klinischer Ereignisse. Der zweite Beitrag, OptAB, optimiert die Antibiotikatherapie bei Sepsis unter Berücksichtigung von Nebenwirkungen. Das hybride KI-Modell verarbeitet dabei auch fehlende und irreguläre Patientendaten sowie zeitabhängiges Confounding. OptAB identifiziert Antibiotikatherapien mit schnellerer Wirkung und potenziell weniger Nebenwirkungen. Der dritte Beitrag, DoseAI, erweitert OptAB um die Optimierung von Medikamentendosierungen.
Das Modell prognostiziert Krankheitsverläufe unter alternativen Dosierungen. Dabei werden optimale Dosierungen für Chemotherapie und Radiotherapie vorgeschlagen. Insgesamt zeigen die Ergebnisse das Potenzial KI-basierter Modelle für eine präzisere und individuellere Patientenversorgung.

Lebenslauf von Philipp Wendland

Philip Wendland studierte von 2015 bis 2018 Biomathematik (B.Sc.) und von 2018 bis 2020 Applied Mathematics (M.Sc.) an der Hochschule Koblenz. Von 2021 bis 2025 war er als wissenschaftlicher Mitarbeiter und Doktorand an der Hochschule Koblenz und der Universität Koblenz tätig. Im Jahr 2025 promovierte er zum Thema „Clinical Decision Support with Machine Learning to Improve Patient Safety“. Seit 2025 ist er als Data Scientist in der Leistungsanalytik der Krankenversicherung bei der AXA Konzern AG tätig.